Baixe o app para aproveitar ainda mais
Prévia do material em texto
9Pecuária leiteira de precisão: conceitos e tecnologias disponíveis Luiz Gustavo Ribeiro Pereira1 - CRMV-MG5930, Cláudio Antônio Versiani Paiva1 - CRMV-MG 6203, Mar- celo Neves Ribas2 - CRMV-MG 8208, Alexandre Lima Ferreira3 Pecuária leiteira de precisão: conceitos e tecnologias disponíveis 1. Introdução A pecuária leiteira de precisão pode ser definida como uma postura gerencial ampa- rada em tecnologias da informação e comuni- cação que permite a melhoria do controle da fonte de variabilidade animal e espacial, oti- mizando economica, social e ambientalmente o desempenho da fazenda leiteira. Tecnologias de precisão têm sido desen- volvidas com o objetivo de melhorar o geren- ciamento dos rebanhos leiteiros e mensurar os indicadores produtivos, comportamentais e fisiológicos em benefício da saúde, produti- vidade e bem-estar animal (Steeneveld et al., 2015). As tecnologias de precisão utilizam sistemas de monitoramento por sensores. Esses sistemas podem ser descritos a partir de quatro níveis de desenvolvimento e utili- zação (Fig. 1): (I) tecnologia (sensor), que mensura algum parâmetro individual da vaca (ex.: consumo de alimento), gerando um con- junto de dados; (II) interpretação, que resu- me as alterações observadas no conjunto de dados gerados pelo sensor (ex.: diminuição do consumo) para produção de uma infor- mação sobre o status da vaca (ex.: vaca com torção de abomaso); (III) integração dessa informação gerada pelo sensor, acrescida a outra informação (ex.: informação de cunho econômico), para proposição de um aconse- lhamento (ex.: operar ou não a vaca doente); (IV) tomada de decisão pelo gestor da fazen- da ou autonomamente pelo sistema (ex.: o ve- terinário é acionado). A maioria dos estudos sobre tecnologias de precisão para pecuária de leite realizada até o momento está relacio- nada à detecção de mastite (25%), fertilidade (33%), problemas de locomoção (33%) e dis- túrbios metabólicos (16%), e se concentram principalmente nos níveis de desenvolvimen- to/utilização I e II (Rutten et al., 2013). O uso de tecnologias de precisão está se tornando uma prática cada vez mais comum bigstockphoto.com 1 Embrapa Gado de Leite, Complexo Multiusuário de Bioeficiência e Sustentabilidade da Pecuária, Coronel Pacheco, Minas Gerais 2 Intergado Tecnologia, Contagem, Minas Gerais 3 Bolsista Pós-Doc – CAPES-PVE – Universidade Federal de São João del-Rei/Embrapa 10 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015 em fazendas leiteiras. Entre os principais parâmetros monito- rados atualmente, estão a pro- dução, composição, temperatu- ra, condutividade, presença de sangue e contagem de células somáticas do leite, ruminação, consumo de alimentos e água, medidores de atividade para detecção de cio, problemas de casco e pesagem corporal das vacas (Firk et al., 2002; Pastell et al., 2009; Chapinal et al., 2010; O’Connell et al., 2010; Holman et al., 2011; Bar e Bewley, 2010; Solomon, 2010; van der Tol e van der Kamp, 2010; Miekley et al., 2012; Büchel e Sundrum, 2014; Chizzotii, 2015). Além desses, vários outros parâme- tros estão sendo propostos ou encontram-se em desenvolvimento. 2. Perfil de utilização das tecnologias de precisão e implicações sobre a mão de obra Há várias décadas os sistemas de monitoramen- to por sensores têm sido utilizados para mensurar indicadores de saúde de vacas individualmente (Hogeveen et al., 2010). As razões para se investir em sistemas de monitoramento por sensores apresentam va- riação em função do perfil socioeconômico e geográ- fico do produtor de leite. Entre as motivações que le- vam produtores de leite a investir em tecno- logias de precisão destacam-se a expectativa de redução do trabalho e maior facilidade no manejo diário do rebanho (Steeneveld e Hogeveen, 2015). Dessa forma, o uso de sis- temas de monitoramento por sensores tende a apresentar um resultado econômico positi- vo, especialmente devido à redução esperada sobre os custos da mão de obra (Steeneveld et al., 2015). Em pesquisa rea- lizada na Holanda, fazendas que adotaram algum tipo de tecnologia de precisão obti- veram uma redução de até 23% das horas trabalhadas por vaca/semana (Fig. 2) em comparação com aque- las que não faziam uso de sistemas de monitoramento por sensores (Steeneveld e Hogeveen, 2015). Quanto ao perfil dos produtores que utilizam tec- Entre os principais parâmetros monitorados atualmente estão a produção, composição, temperatura, condutividade, presença de sangue e contagem de células somáticas do leite, ruminação, consumo de alimentos e água, medidores de atividade para detecção de cio, problemas de casco e pesagem corporal das vacas. Tecnologia Informação Integração de informações Dados Interpretação dos dados Aconselhamento Tomada de decisão pelo gestor ou autonomamente pelo sistema Nível I Nível II Nível III Nível IV C o m p o rta m e n to / fi sio lo g ia d a va ca G e stã o d a sa ú d e a n im a l Figura 1. Níveis de desenvolvimento e utilização dos sistemas de monitoramento por sensores na gestão da fazenda leiteira. 11Pecuária leiteira de precisão: conceitos e tecnologias disponíveis nologias de precisão, existem os que usam de- terminados sistemas de monitoramento por sensores porque estão embarcados em algum equipamento adquirido, como, por exemplo, em sistemas de ordenha robotizados. Outros já o fazem de forma deliberada, investindo em sensores para melhorar a eficiência da gestão sobre a saúde do rebanho (Fig. 3) (Steeneveld e Hogeveen, 2015). Além das ques- tões relacionadas à mão de obra e facili- dade de manejo, fa- tores (Tab. 1) como relação custo benefí- cio, custo do investi- mento total e simpli- cidade de uso estão entre os principais critérios analisados no momento da ado- ção de tecnologias de precisão por pro- dutores americanos (Borchers e Bewley, 2015). Bewley e Russell (2010) pesquisaram 229 produtores de leite americanos e iden- tificaram que as razões mais comuns para a não adoção de tecnologias de precisão eram: (I) não estarem familiarizados com as tecno- logias disponíveis (55%); (II) baixa relação custo/benefício (42%); (III) não saberem o Figura 2. Comparação do número de vacas e do número de horas trabalhadas por vaca/semana entre fazendas que utilizam e outras que não utilizam algum tipo de sensor para vacas. Figura 3. Perfil de utilização de sensores em fazendas holandesas com sistemas de ordenha convencional (adaptado de Steeneveld e Hogeveen, 2015). 12 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015 que fazer com tantas informações fornecidas pelos sistemas (36%); (IV) tempo insuficien- te para usufruir da tecnologia (31%); (V) fal- ta de percepção do valor econômico (30%); (VI) tecnologias muito difíceis ou complexas para se usar (29%). Ademais, incertezas so- bre as condições de mercado, do desempe- nho e reais benefícios das novas tecnologias e, ainda, problemas relacionados à adaptação da gestão e fatores organizacionais têm sido apontados (Tab. 2) como decisivos para a não adoção das tecnologias de precisão por parte dos produtores de leite (Bewley et al., 2010). Contudo, o uso de tecnologias de preci- são tem se tornado cada vez mais importante e necessário para que os produtores de leite possam aperfeiçoar suas práticas de gestão e aumentar a eficiência dos sistemas de produ- ção (El-Osta e Morehart, 2000). 3. Implicações sobre a produtividade, saúde e bem-estar animal De forma geral, os sistemas de precisão disponíveis para a pecuária leiteira são com- postos por equipamentos capazes de mensu- rar individualmente parâmetros fisiológicos ou comportamentais e detectar alterações relativas às condições de saúde da vaca, re- querendo uma intervenção por parte do ges- Tabela 1. Pesquisa indicando a importância dos critérios de compra de tecnologias de precisão Parâmetro Intensidade da Importância(%) Produtores (n)Nenhuma Pequena Moderada Importante Muitoimportante Relação custo/ benefício 0,9 0 3,7 31,5 63,9 108 Custo total do investimento 0,9 1,8 12,8 36,7 47,7 109 Simplicidade de uso 0,9 0,9 10,1 47,7 40,4 109 Desempenho comprovado na prática 1,9 0 7,5 53,3 37,4 107 Assistência técnica 1,8 3,7 17,4 34,9 42,2 109 Compatibilidade com práticas e sistemas já existentes 0,9 4,6 11,9 46,8 35,8 109 Demanda de tempo para uso da tecnologia 1,9 2,8 15,7 45,4 34,3 108 Valores de cálculo considerados: nenhuma = 1; pequena = 2; moderada = 3; importante = 4; muito importante = 5. Fonte: Adaptado de Borchers e Bewley (2015). 13Pecuária leiteira de precisão: conceitos e tecnologias disponíveis tor da fazenda (Steeneveld et al., 2015). Entre os sensores considerados de maior utilidade por produtores americanos, estão os de de- tecção de mastite, de cio e produção de leite (Borchers e Bewley, 2015) (Tab. 3). No entanto, ainda não é sabido se o uso desses sensores também melhora os índices de saúde e produção, como, por exemplo, re- dução da média de dias ao primeiro serviço ou diminuição da contagem de células so- máticas do leite individual (Steeneveld et al., 2015). Para um melhor aproveitamento das tecnologias de precisão, o produtor deve ter conhecimento e fazer a gestão diária das in- formações geradas pelo sistema. Steeneveld et al. (2015) demonstraram que a contagem de células somáticas (CCS) do leite de tanques individuais diminuiu em fazendas com sistemas de ordenha convencio- nal, ao passo que esse parâmetro aumentou em fazendas com ordenha robotizada (AMS). Normalmente, a aquisição de sensores para detecção de mastite ocorre de forma delibe- rada em fazendas convencionais, ou seja, há um objetivo claro de utilização do sistema de monitoramento. Já em fazendas com AMS, em geral tais sistemas encontram-se embuti- dos no equipamento como forma de torná-los mais acessíveis do ponto de vista econômico, e, muitas vezes, despertando baixo interesse do produtor em utilizá-los. Outro aspecto muito importante diz respeito à presença do ordenhador nos sistemas convencionais de ordenha. Nessas fazendas, o ordenhador pode checar imediatamente as vacas que apresen- tam algum tipo de alerta sinalizado pelos sen- sores. Além disso, vacas com mastite podem ser identificadas durante a ordenha mesmo sem a presença de alerta indicado pelos sen- sores (Steeneveld e Hogeveen, 2015). O desempenho da detecção do cio pode ser melhorado pela utilização de sistemas de monitoramento por sensores. Esses sistemas podem detectar cerca de 80 a 85% de vacas em cio, enquanto o método visual normal- mente detecta apenas 55% das vacas nessa Tabela 2. Fatores que influenciam a adoção de tecnologias de precisão Fatores Exemplos Incertezas sobre a deci- são de investimento Condições de mercado (Bewley et al., 2010) Promessas em excesso promovidas pelo vendedor Incerteza sobre os atuais benefícios, conhecimento de oportunidades Desafios da implementação Existência de redes de aprendizagem (fragmentadas, subqualificadas, falta de conhecimento) Desempenho das tecnologias versus expectativas Adaptação da gestão (mudança de rotina, papel da tecnologia e das pessoas) Entrada de dados, mudança de processos/estrutura para incorporação e entrada de dados, análise de dados, gerenciamento por exceção (De Koning, 2010) Fatores organizacionais Falta de foco em P&D pela indústria para integração das tecnologias com os sistemas de produção Fonte: Eastwood (2011). 14 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015 Tabela 3. Pesquisa indicando a importância da utilidade das atuais e potenciais tecnologias de precisão Parâmetro Intensidade da Importância (%) Produtores (n)Nenhuma Pequena Moderada Importante Muito impor- tante Mastite 0,0 0,0 1,9 19,4 78,7 108 Cio 0,0 0,9 2,8 16,5 79,8 109 Produção diária de leite 0,0 0,9 6,4 11,9 80,7 109 Atividade da vaca 1,8 1,8 5,5 16,5 74,3 109 Temperatura 3,8 2,8 11,3 22,6 59,4 106 Comportamento alimentar 0,9 0,0 15,7 35,2 48,1 108 Composição do leite 0,9 4,6 13,8 27,5 53,2 109 Laminite 0,0 4,6 17,4 26,6 51,4 109 Ruminação 3,8 3,8 18,9 28,3 45,3 106 Saúde de casco 0,9 3,7 19,4 39,8 36,1 108 Atividade ruminal 4,6 3,7 24,1 27,8 39,8 108 Comportamento deitada/de pé 2,8 8,3 25,7 33,9 29,4 109 pH do rúmen 5,5 11 26,6 29,4 27,5 109 Movimento de man- díbula e mastigação 4,6 13 25,9 29,6 26,9 108 Frequência respiratória 7,5 13,2 29,2 32,1 17,9 106 Peso da vaca 8,3 18,5 30,6 24,1 18,5 108 Escore de condição corporal 9,2 12,8 36,7 25,7 15,6 109 Frequência cardíaca 11,2 16,8 38,3 21,5 12,1 107 Posição e localização animal 19,3 23,9 31,2 13,8 11,9 109 Emissão de metano 34,3 30,6 20,4 10,2 4,6 108 Valores de cálculo considerados: nenhuma = 1, pequena = 2, moderada = 3, importante = 4 e muito importante = 5. Fonte: Adaptado de Borchers e Bewley (2015). 15Pecuária leiteira de precisão: conceitos e tecnologias disponíveis mesma condição (Firk et al., 2002; Hockey et al., 2010; Kamphuis et al., 2012). No entan- to, nem sempre o aumento na detecção do cio pelos sistemas de monitoramento resulta em melhoria dos índices de idade ao primei- ro parto e dias ao primeiro serviço. Em gran- de parte das vezes, os produtores que fazem uso de sistemas de detecção de cio realmente apresentam melhores e maiores taxas de de- tecção de cio, porém ainda utilizam as mes- mas regras sobre o melhor momento para a inseminação, resultando em alterações pouco efetivas nos parâmetros reprodutivos. Outro problema no uso das tecnologias de preci- são diz respeito à motivação do investimen- to. Alguns produtores investem em sensores de detecção de cio apenas para melhorar a taxa de detecção de cio e reduzir o trabalho (Steeneveld e Hogeveen, 2015), com menos foco em melhorar os índices de saúde e zoo- técnicos do rebanho (Steeneveld et al., 2015). Em relação à produção de leite, Steeneveld et al. (2015) observaram que a utilização dos sensores embutidos no siste- ma de ordenha automático (AMS) resultou em maior produção de leite do rebanho. No entanto, não puderam afirmar se o aumento da produção de leite ocorreu em função da maior taxa de frequência de ordenha, nor- malmente observada nesse tipo de sistema de produção (Kruip et al., 2002; Wagner-Storch and Palmer, 2003; Speroni et al., 2006), ou se foi decorrente do uso do sistema de sensores. 4. Considerações finais As oportunidades ligadas à pecuária de precisão podem surgir tanto dentro como fora da porteira da fazenda. Do lado de den- tro, os produtores podem se beneficiar nas áreas de automação e tomadas de decisões mais eficientes, ao fazer melhor uso dos escas- sos e cada vez mais onerosos recursos. Do lado de fora da porteira há também potenciais benefícios do uso das tecnologias de precisão entre os mais diversos stakehol- ders. O uso dessas tecnologias pode contri- buir para garantir a qualidade e a segurança do alimento para as indústrias de laticínio, por exemplo. Os técnicos podem interagir com os sistemas de precisão para alimentar as suas próprias análises, e oferecer serviços sobre o uso das tecnologias de precisão e na capaci- tação dos produtores. Isso pode incluir, por exemplo, o monitoramento remoto de parâ- metros de desempenho, como ganho de peso e produção de leite. As centrais de melhoramento genéti- co podem se beneficiar do acesso aos dados diários de ordenha individual e outros dados armazenados. Os bancos de dados de cada sistema de produção poderão ser conectados aos bancos de dados da indústria para permi- tir comparações entre sistemas e desenhar po- líticas de extensão. 5. Referências bibliográficas 1. STAMER, E.; JUNGE, W.; KRIETER, J. Automation of estrus detection in dairy cows: A review. Livest. Prod. Sci., v.75, p.219-232, 2002. 2. HOCKEY, C. D.; MORTON, J. M.; NORMAN, S. T.; MCGOWAN, M. R. Evaluation of a neck mounted 2-hourly activity meter system fordetecting cows about to ovulate in two paddock- BAR, D., SOLOMON, R. Rumination collars: What can they tell us? In: PROC. FIRST NORTH AM. CONF. PRECISION DAIRY MANAGEMENT. Toronto, Canada, p.214-215, 2010. 3. BUCHEL, S., SUNDRUM, A. Short communication: Decrease in rumination time as an indicator of the onset of calving, J. Dairy Sci, v.97, p.3120-3127, 2014. 4. BEWLEY, J. Precision dairy farming: Advanced analy- sis solutions for future profitability. In: PROC. 1ST NORTH AM. CONF. PRECIS. DAIRY MANAG. Toronto, Canada. Progressive Dairy Operators: Guelph, ON, Canada, p.2-5, 2010. 5. BEWLEY, J. M.; RUSSELL, A. Reasons for slow adop- tion rates of precision dairy farming technologies: evi- dence from a producer survey. In: PROCEEDINGS OF THE FIRST NORTH AMERICAN CONFERENCE 16 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015 ON PRECISION DAIRY MANAGEMENT. Toronto, Canada, p.30-31, 2010. 6. BEWLEY, J. M.; BOEHLJE, M. D.; GRAY, A. W.; HOGEVEEN, H.; KENYON, S. J.; EICHER, S. D.; RUSSELL, M. A. S. Stochastic simulation using @Risk for dairy business investment decisions. Agricultural Finance Review, 2010. 7. BORCHERS, M. R.; BEWLEY, J. M. An assessment of producer precision dairy farming technology use, pre- purchase considerations, and usefulness. J. Dairy Sci, v.98, p.4198–4205, 2015. 8. CHAPINAL, N.; DE PASSILLE, A. M.; RUSHEN, J.; WAGNER, S. Automated methods for detecting lame- ness and measuring analgesia in dairy cattle. J. Dairy Sci., v.93, p.2007-2013, 2010. 9. CHIZZOTTI, M. L.; MACHADO, F. S.; VALENTE, E. E. L.; PEREIRA, L. G. R.; CAMPOS, M. M.; TOMICH, T. R.; COELHO, S. G.; RIBAS, M. N. Technical note: Validation of a system for monitoring individual feeding behavior and individual feed intake in dairy cattle, J. Dairy Sci, v.98, p.3438-3442, 2015. 10. DE KONING, K. Automatic milking - common prac- tice on dairy farms. In: PROCEEDINGS OF THE FIRST NORTH AMERICAN CONFERENCE ON PRECISION DAIRY MANAGEMENT. Toronto, Canada, 2010. 11. EASTWOOD, C. R. Applying innovation systems thinking to high challenge technologies: Dairy ICT and precision dairy as a case study. In: UM13556 - Milestone Report 1 for Dairy Australia, Melbourne. Victoria: Rural Innovation Research Group, The University of Melbourne, 2011. 12. EASTWOOD, C.; JAGO, J. Precision dairy farming in New Zealand and Australia: A discussion document for trans-Tasman collaboration between Dairy NZ and Dairy Australia. In: Report produced for Dairy NZ and Dairy Australia, 2012. 13. EASTWOOD, C. R.; CHAPMAN, D. F.; PAINE, M. S. Networks of practice for co-construction of agricultural decision support systems: Case studies of precision dairy farms in Australia. Agric. Syst, v.108, p.10-18, 2012. 14. EL-OSTA, H. S.; MOREHART, M. J. Technology adop- tion and its impact on production performance of dairy operations. Rev. Ag. Econ., v.22, p.477-498, 2000. 15. FIRK, R.; based Australian dairy herds. Reprod. Domest. Anim., v.45, p.107-117, 2010. 16. HOGEVEEN, H.; KAMPHUIS, C.; STEENEVELD, W.; MOLLENHORST, H. 17. Sensors and clinical mastitis - The quest for the perfect alert. Sensors (Basel Switzerland) v.10, p.7991-8009, 2010. 18. HOLMAN, A.; THOMPSON, J.; ROUTLY, J. E.; CAMERON, J.; JONES, D. N.; GROVE-WHITE, D.; SMITH, R. F.; DOBSON, H. Comparison of estrus detection methods in dairy cattle. Vet. Rec., v.169, p.47, 2011. 19. JAGO J.; DAVIS, K. L.; JENSEN, R. Future innovative dairy technologies to address constraints of labor, in- formation collection and decision making on farms. In: PROCEEDINGS OF THE AUSTRALASIAN DAIRY SCIENCE SYMPOSIUM. Melbourne, p.492-507, 2007. 20. JAGO, J.; EASTWOOD, C.; KERRISK, K.; YULE, I. Precision dairy farming in Australasia: adoption, risks and opportunities. In: Proceedings of the 5th Australasian Dairy Science Symposium, 2012. 21. KAMPHUIS, C.; DELARUE, B.; BURKE, C. R.; JAGO, J. Field evaluation of 2 collar-mounted activity meters for detecting cows in estrus on a large pasture-grazed dairy farm. J. Dairy Sci., v.95, p.3045-3056, 2012. 22. KRUIP, T. A. M.; MORICE, H.; ROBERT, M.; OUWELTJES, W. Robotic milking and its effect on ferti- lity and cell counts. J. Dairy Sci., v.85, p.2576-2581, 2002. 23. MIEKLEY, B.; TRAULSEN, I.; KRIETER, J. Detection of mastitis and lameness in dairy cows using wavelet analysis. Livest. Sci., v.148, p.227-236, 2012. 24. O’CONNELL, J.; TOGERSEN, F. A.; FRIGGENS, N. C.; LOVENDAHL, P.; HOJSGAARD, S. Combining cattle activity and progesterone measurements using hid- den semi-Markov models. J. Agric. Biol. Environ. Stat, v.16, p.1-16, 2010. 25. PASTELL, M.; TIUSANEN, J.; HAKOJARVI, M.; HANNINEN, L. A wireless accelerometer system with wavelet analysis for assessing lameness in cattle. Biosystems Eng., v.104, p.545-551, 2009. 26. RUTTEN, C. J.; VELTHUIS, A. G. J.; STEENEVELD, W.;HOGEVEEN, H. Invited review: Sensors to support health management on dairy farms. J. Dairy Sci., v.96, p.1928-1952, 2013. 27. SPERONI, M.; PIRLO, G.; LOLLI, S. Effect of automa- tic milking systems on milk yield in a hot environment. J. Dairy Sci., v.89, p.4687-4693, 2006. 28. STEENEVELD, W.; HOGEVEEN, H. Characterization of Dutch dairy farms using sensor systems for cow mana- gement. J. Dairy Sci., v.98, p.709–717, 2015. 29. STEENEVELD, W.; VERNOOIJ, J. C. M.; HOGEVEEN, H. Effect of sensor systems for cow management on milk production, somatic cell count, and reproduction. J. Dairy Sci., v.98, p.3896–3905, 2015. 30. VAN DER TOL, R.; VAN DER KAMP, A. Time series analysis of live weight as health indicator. In: PROC. FIRST NORTH AM. CONF. PRECISION DAIRY MANAGEMENT. Toronto, Canada, p.230-231, 2010. 31. WAGNER-STORCH, A. M., PALMER, R. W. Feeding behavior, milking behavior, and milk yields of cows mi- lked in a parlor versus an automatic milking system. J. Dairy Sci., v.86, p.1494-1502, 2003.
Compartilhar